一、浪潮 IA架构64位服务器通过鉴定（论文文献综述）
冀炜臻[1]（2021）在《基于机器视觉与Retinex图像增强的脐橙检测方法研究》文中研究表明机器视觉技术在果实产量估计以及自动采摘机器人检测等应用中有助于减少人工作业量,降低水果种植管理环节中的人力、物力成本,提升果园的智能化、自动化运营水准及经济效益。在深度学习技术的推动下,许多机器视觉的检测模型均能够实现脐橙的检测,但是由于果实和叶片等背景实物的表面会根据不同的太阳照射角而产生各异的镜面反射程度,使检测模型的精度出现了严重的偏差。目前,也有一些研究提出了相应的解决水果检测在户外受到的光照影响,主要分为基于光照校正算法的方法、基于抗光照的智能集成设备的方法以及改进机器视觉检测模型的方法。这些方法虽然在光照条件下能够有效提升水果检测的精度,但是仍然存在着局限性。例如,很多提出的方法是在相对理想的实验环境下验证有效性的,对于实地的检测还需要进一步考究;现有的研究很少考虑到光照的时序变化对果实检测带来的影响;实验中所提出集成化设备的有效性还需要经受实践的考验使其日渐成熟。因此,如何通过理论探索探求更可靠的方法,从而实现在不同光照条件下提升检测模型的精度就是一个亟待解决的关键问题。Retinex是一种以颜色恒常性为理论基础的图像增强方法,它能够根据图像的RGB色彩空间求解出一个或多个增强算子来实现对图像中各个目标原始色彩的加强。目前,该理论已经衍生出五种主要算法,即SSR（single-scale Retinex,SSR）、MSR（multi-scale Retinex,MSR）、MSRCR（multi-scale Retinex with color restoration,MSRCR）、MSRCP（multi-scale Retinex with chromaticity preservation,MSRCP）、Auto MSRCR（auto multi-scale Retinex with color restoration,Auto MSRCR）。本文以脐橙为研究对象,期望通过将Retinex与机器视觉模型相结合的方式来解决自然光照所带来的精度偏差。采用YOLO（you look only once,YOLO）系列中的前沿机器视觉技术对不同观测条件以及Retinex增强的图像样本库进行训练,并根据结果来判定不同模型下的最佳时间窗口以及最适合的增强方法,旨在探索一种当目标检测受到光照影响而精度降低的解决方案。为机器视觉技术在农业、林业的自动化、智能化管理中提供可靠的技术支持。论文的主要工作及取得成果如下:（1）完成了不同观测条件下脐橙图像样本数据集的构建。实地采集了脐橙的图像样本数据,时间段为:10:00-11:00、12:00-13:00、14:00-15:00、16:00-17:00四个观测时间,拍摄视距分别为A（0.5～1.5米）和B（1.5～2.5米）。为增强数据集的多样性,采用4种数据增强方法扩增了样本;（2）基于不同观测条件的脐橙检测。本文首先将使用的机器视觉模型分别在10:00-11:00、12:00-13:00、14:00-15:00、16:00-17:00几个观测时间段下进行试验,并通过精度（Precision）、召回率（Recall）、均值平均精度（mean average precision,m AP）等关键指标结果来评定其检测性能。实验结果表明:在A视距下,模型在10:00-11:00、14:00-15:00和16:00-17:00观测时段具有更好的性能。其中,MSRCR-YOLOv5和MSR-YOLOv5在10:00-11:00得到的结果最佳,m AP值均为0.98。在B视距下,14:00-15:00时段更利于模型的检测,且AMSRCR-YOLOv5在该时段获得了较好的m AP值,达到了0.95。（3）基于综合样本库的脐橙检测。本文在每个时段随机抽取一定图像构成综合样本库进行实验。结果表明Original-YOLOv3模型在YOLOv3的方法中具有最高的m AP值,达到0.75;基于YOLOv4模型的方法均未得到良好的效果;基于YOLOv5的方法中MSRCP-YOLOv5得到最佳的m AP值,达到0.79;（4）模型的敏感性分析。针对常见的阴影遮挡与叶片遮挡的干扰情况,本文通过定量分析和定性分析对上述实验中的性能优异模型进行敏感性评价。结果表明:在阴影遮盖的情况下,基于YOLOv3模型的方法整体上要比基于YOLOv5模型的方法的敏感性更低,其中Original-YOLOv3、SSR-YOLOv3、MSRCP-YOLOv3、AMSARCR-YOLOv3等方法均具备相对较低的敏感性。在叶片遮挡面积超过50%时,部分方法模型会出现漏检,Original-YOLOv3和SSR-YOLOv3的敏感性相对较低。
龙拂尘[2]（2021）在《基于时域分析的视频动作定位和识别研究》文中提出随着互联网3.0时代的到来,计算机技术飞速发展,诸如大数据,移动互联网,物联网,大规模并行计算与计算机类脑技术等研究不断驱动着人工智能领域的推陈出新。特别以图像和视频为载体并融入至日常生活的多媒体应用,更是目前人工智能和计算机研究领域的热点。相比静态图像,动态视频包含更多的视觉信息和听觉信息,这类多媒体更为复杂多义,从而针对视频数据的研究,需要在图像研究的基础上进一步挖掘视频在时域上动态变化的特点。视频理解研究包括诸多方面,例如对视频中的物体进行时空位置检测的视频物体检测,对视频中事物场景进行自然语言描述的视频描述,以及对视频所包含动作进行时间位置定位和类别识别的时域动作定位与识别。其中时域动作定位和识别,是人机交互研究中不可缺少的一环。该技术能让计算机理解和认知人的行为动作,有利于在各种人机协助任务中取得高效的成绩。然而,由于视频中动作内容丰富,利用时域滑窗等朴素算法对视频片段进行切分会产生大量冗余结果。此类方法也没有完全探究动作的时域结构。同时,在全监督训练的框架下,昂贵的视频时域标注限制了动作定位模型的可扩展性和泛化能力。如何利用有限数据完成时域动作定位和识别模型的训练也是一个亟待解决的问题。针对以上两个主要研究问题,本文通过分析视频中动作的时域结构,从构建时域动作提名的层级结构,增强定位模型中时域尺度灵活性和加强定位模型泛化能力角度出发,引入多粒度时域动作提名模型,高斯时域感知网络模型,时域动作定位类别迁移模型及视频弱监督预训练模型,增强时域动作定位模型的性能和泛化能力。本文主要的创新点可以概括为:（1）通过探究和分析视频中动作的时域结构,引入动作层级粒度的概念,提出“由粗到细”的时域动作提名方法。在此基础上设计了多粒度时域动作提名模型。模型首先使用单一分类,二元排序和循环网络分类模型建模视频中动作置信度,并利用置信度分组合并算法在融合置信度曲线上完成粗粒度提名定位。其后模型利用时域卷积进行细粒度时域边界的调整,最后通过设计的提名重排序网络对粗细粒度提名进行统一排序和鉴定。实验证明,本方法相比单一粗粒度时域动作提名方法,在ActivityNet v1.3数据集上带来了 2.5%和4.1%的召回率和AUC性能提升,验证了所提出的多粒度时域动作提名框架的有效性。（2）在单步时域动作定位模型框架下,针对时域尺度固定的问题,提出了高斯时域感知网络模型。通过引入高斯核函数,动态学习不同时域分辨率下动作提名的时域尺度,将固定的时域尺度灵活化处理。对于相互靠近的高斯核,设计高斯核分组合并算法进行融合,最后利用高斯曲线权重对特征进行时域上的加权,增强模型对时长多变动作的定位能力。在大规模实验下显示,所提出的高斯时域感知网络模型分别在THUMOS14和ActivityNet v1.3数据集上相比目前最好的时域动作定位竞争方法有1.9%和1.1%的mAP性能提升。（3）为了降低全监督训练下时域动作定位模型对标注的严格要求,并进一步增强时域动作定位模型的可扩展性,本文提出利用迁移学习完成针对大规模动作类别的定位模型构建。算法通过引入权重迁移函数,桥接时域动作定位和动作识别任务,并利用动作识别模型参数对动作定位模型参数进行预测。通过利用目前含有少量时域标注类别的数据集,如ActivityNet,和含有大规模类别但没有时域标注的动作片刻视频数据集,例如Kinetics-600,成功完成了时域动作定位模型从少量动作类别向Kinetics-600中600个动作类别的模型类别迁移。（4）由于时域动作定位模型中基础特征网络不参与后续定位模型的优化,其泛化能力对时域动作定位性能尤为重要。本文最后一章利用丰富的互联网视频数据,针对数据中存在的“查询歧义性”（同一查询代表不同含义）和“文本同构性”（相似语法的句子描述不同的物体）问题,提出双涡轮网络模型不断对查询和文本这两个弱监督信息进行相互校正,增强基础网络的表达能力。在下游动作识别任务上,双涡轮网络模型在Kinetics-400,Something-Something V1&V2数据集上相比目前使用ImageNet数据集进行全监督预训练的最好模型有着2.8%,1.9%和2.7%的分类准确率提升。
家明强[3]（2021）在《基于知识图谱的课程学习系统设计与实现》文中研究表明随着信息技术的发展,教育信息化使学习者的学习方式有了更多的选择空间,从传统的课堂学习转变为在线学习。学习者可以根据自己的兴趣爱好、实际需求等从互联网中选择自己想要的学习资源。但互联网中的资源广泛、形式多样、内容参差不齐,导致学习者在选择资源时存在迷茫,同时这些资源只是简单的将一些传统的学习方式、学习内容以及教学内容等复制到互联网中,把传统的形式演变成了媒体的形式,使内容更加形象、生动和客观,但其中所学习内容的形式、思路并没有多大的差异。为了让学习者高效的、准确的掌握学习内容,本研究以知识图谱技术对知识进行管理,通过知识图谱技术对课程中的知识进行分析、研究,将知识点间的各种关联关系挖掘出来,并以可视化的技术对知识进行存储、展示其中存在的关系。用知识图谱技术梳理、构建、并展示课程中知识点间的内在关联,学习者在学习过程中能透彻的观察、分析知识点间的内在联系,形成自己的课程知识结构体系,从而达到对课程内容的全面理解。本文以知识图谱技术,挖掘、分析知识点间的关系,并构建《大学计算机基础》课程知识图谱,且设计实现了在线学习系统,用可视化技术向人们清晰呈现原本复杂多变的、零散的、不规则的知识体系,使学习者能直观的看到知识点间的内在关联,帮助学习者进行知识体系的构建,提高学习的效率。本文的主要工作如下:（1）课程知识内容的获取。本文课程知识内容主要以“云南交通职业技术学院”所使用的《大学计算机基础》第2版教科书作为数据采集源,该书是由张洪明、陈环、刘玉菊、布瑞琴进行主编,并且在进行数据采集时结合本门课程的教学大纲进行适当的调整。在采集的过程中,基于Python语言的Jieba库对文本进行分词以及词性标注,去除停用词以及一些无用的标点符号,同时为了提高分词的准确性,在分词过程中结合搜狗细胞词库自定义添加了一个“计算机专业词”的词典,为后续课程知识点的抽取奠定了基础。（2）课程知识图谱的构建研究。首先基于Text Rank算法和TF-IDF算法对课程概念词进行抽取,然后分析、比较、整合两种算法抽取出的词,把权重值高的和常见的词作为课程知识点的候选词。其次结合规则和依存句法结构分析的两种关系抽取方式对课程内容中存在的关系进行抽取。最后,以图数据库Neo4j将获取到的概念词以及概念词之间的关系进行存储,构建出课程知识图谱。（3）在线学习系统的开发。从现实问题的需求分析、研究,开发出一个基于B/S（Browser/Server）架构的学习系统,该系统实现了用户的注册、登录,查看课程知识图谱的可视化界面、知识检索及在线测试等模块,方便学生能快速了解到自己的学习情况,对存在的不足之处及时做出相应的调整。本文利用知识图谱技术挖掘、发现课程知识点间的关系,构建出课程知识图谱,以可视化的形式将课程知识内容展现给学习者,使学习者能够清晰、直观的看出知识点间的关系,帮助学习者快速构建自己的知识体系,提高学习效率。知识图谱作为新型的研究热点,相比其他领域,在教育领域中的应用相对较少,但随着研究的深入,技术会变得更加成熟,在将来知识图谱技术会给教育带来全新的一面,为教育领域带来更好地发展。
万晓霞,焦智伟,刘名轩,刘段[4]（2021）在《工业互联网应用综述》文中指出工业互联网是传统工业升级改造的重要基础设施,也是实体经济智能化转型的关键技术支撑。本研究详细介绍了工业互联网的基本概念和组成,工业互联网体系架构的演进以及我国工业互联网体系架构2.0的业务视图、功能架构和实施框架。对工业互联网的网络、标识解析、平台、安全等关键技术体系建设方案进行分析;结合制造业以及包装印刷等传统行业应用实践,探究了工业互联网的应用模式,并对工业互联网的未来进行了展望。
谢宣[5]（2021）在《基于深度学习的绿城装饰工程智能监理系统的设计与实现》文中研究表明智能化监理应用于成建制的住宅室内精装修工程项目中,通过智能化监理,能够达到降低人工成本,规范验收标准,提高验收可靠性的目的。目前,国内的装饰监理工程管理依靠人工开展,存在人力资源调度不合理,缺乏专业人员,验收标准不规范,验收结果因人而异等问题。本文在研究深度学习的基础上拟采用计算机视觉技术,结合微服务,设计并实现智能监理系统,应用于绿城装饰工程;该系统通过智能监理辅助模块识别监理图片并检索出相关验收标准,辅助监理员开展工作,以改善上述装饰工程监理中存在的问题。本文主要做了如下工作:（1）对单体架构到微服务架构的发展进行分析和探讨,结合前后端分离思想,设计监理系统总体架构以及智能检测辅助模块,完成系统框架的搭建。（2）对智能监理辅助模块中的监理目标检测进行研究。基于卷积神经网络,针对SSD模型的缺点,提出MP-SSD算法进行改进,以此获取监理图片中的目标信息,为检索验收标准提供查询条件。（3）对数据存储和查询进行优化,利用Hbase解决监理工程中存在的大量非结构化数据存储问题;通过引入缓存机制以及采用Elasticsearch构建多级索引,解决标准模糊查询慢的问题。（4）实现装饰工程智能监理系统。通过绿城装饰监理工程需求分析,明确系统功能模块并进行数据库设计,完成移动端与Web端模块业务的实现,对系统进行验证,确保智能监理系统的可行性。研究结果表明,采用前后端分离的微服务架构能够提高系统的扩展性与可维护性;通过基于SSD的改进算法MP-SSD,有效改善了监理目标漏检和复检问题,提高查全率与查准率,增强了标准检索的可靠性;利用Hbase能有效解决智能监理系统中非结构化数据存储问题;通过缓存技术和Elasticsearch构建索引,能大幅度提高模糊查询速度。
尹欢[6]（2021）在《数据驱动的移动机器人鲁棒高效定位》文中研究表明定位为移动机器人提供实时且准确的位姿,是机器人实现智能自主移动的基础和关键。近几年随着移动机器人应用领域的推广,其运行环境呈现范围大、复杂多样,动态变化等特点,对移动机器人定位的适应性和鲁棒性提出了更大的挑战,同时需要提升移动机器人实时计算效率,以节省有限的车载计算资源。针对以上两个问题,本文利用数据驱动等技术,从多个角度提升了移动机器人定位的鲁棒性和效率,具体包含以下三个方面:（1）面向大范围环境快速准确的全局定位需求,针对三维激光点云难以提取全局特征描述的问题,提出了一种三维激光点云全局特征构建和地点重识别方法,设计了完整的全局定位系统,给出了定位失败检测方法。所提出的地点重识别方法通过孪生神经网络构建全局特征,并将识别结果结合高斯混合模型融入蒙特卡洛定位,从而连续地估计出当前的航向与位置。为了探究全局定位的触发条件,提出了一种通过点云匹配特征和逻辑回归模型判断三维激光定位是否正确的检测方法。在多段数据集中,地点重识别模型的F1最大值达到了 0.7,运行频率达到了 10Hz以上,优于其他基于人工特征的方法。（2）面向移动机器人恶劣气候精准鲁棒定位需求,针对毫米波雷达数据噪声大的问题,提出了基于生成对抗网络的激光地图毫米雷达定位方法,并设计了端到端的数据驱动网络,有效提升了毫米波雷达的定位精度。首先采用生成对抗网络将毫米波雷达数据迁移为具有激光雷达风格的数据,然后在先验激光地图上进行蒙特卡洛定位。其次,为进一步提高异构雷达定位的精度与效率,提出了端到端网络,于前端神经网络的共享特征空间内回归偏移位姿概率,于后端构建了可微分卡尔曼滤波估计器。在多段多场景数据集下,所提出的端到端方法在90公里的真实路段上实现了连续定位,其中里程漂移误差为1.09%,旋转平方根误差小于3度,优于目前其他毫米波雷达定位方法。（3）面向有限资源下高精度定位需要,针对大范围稠密点云地图过于冗余的问题,提出了一种知识蒸馏的点云地图压缩方法,提高了在线定位的效率并保持相应的定位精度。该方法首先基于分段式的整数线性规划方法压缩激光地图,在完整地图保留至较低比例的同时尽可能保持机器人定位精度。基于规划方法所得到的标签数据,进一步提取点云特征训练随机森林模型,从而实现更高效的激光地图压缩。该方法在多个数据集与场景中进行了测试与泛化验证,压缩后的点云地图同时可以支持连续的激光雷达定位和毫米波雷达定位。所训练的随机森林模型保留完整地图至仅1.23%的比例,同时使单次定位只需28ms,位移平方根误差保持在0.05m内。综上所述,本文采用数据驱动方法,从多个角度出发提升了移动机器人定位的鲁棒性与效率。本文在多个真实数据集与多段场景中验证了方法的有效性与泛化性能。本文部分章节的方法已作为对比方法在其他相关学术研究中得到了验证与拓展应用。此外,本文设计了港口环境下AGV导航系统,并验证了高精度地图构建与定位的有效性。
廖璇[7]（2020）在《民族艺术、集体记忆、符号象征 ——贵州水族马尾绣研究》文中认为水族马尾绣堪称刺绣活化石,不仅是水族文化的物化形式,更是水族文化的重要传承基因,本文及通过马尾绣研究可以透析水族传统文化建构。本文从艺术人类学的角度出发,采用艺术学、人类学、符号学、社会学、传播学等研究范畴与方法,再现水族马尾绣,对其发展衍生的整体背景做出判断,理性认识并把握其当代价值,提出艺术转换的可行路径,涵盖马尾绣历史,产生的人文与地理环境,解读材料、工艺、纹饰与人文、环境等的关系,并提出马尾绣在文化变迁中的已具备自我调适的能力,呈现出由物质形态拓展至文化归属、价值观念等层面。研究将促发水族传统手工艺可持续性发展道路的挖掘,十分契合我国非物质文化遗产保护政策的目的。在水族漫长的历史长河中,因自然环境、人文环境以及科技环境适应与改变而习来的民族习惯,直接呈现了水族人民应时应景的造物观。马尾绣的传承发展受到来自水族民间生活的影响,马尾绣的形态、工艺演变均因社会组织、经济结构、科技条件等现实环境的变迁而变化,如若脱离水族民间文化与民俗文化的研究,则马尾绣研究将不成立。如鲁迅先生所说,“只有民族的,才是世界的”,在全球化浪潮的推动下,少数民族群众的生产生活方式悄然改变,如何保护与传承少数民族特色文化手工艺,如何保持民族文化的多样性,如何推动民族文化适应当代环境的发展,成为当代中国的热议话题。对少数民族的传统手工艺进行研究,已势在必行,需探索其形成的先决条件和存在目的,舍其形方得其神,要论述其工艺的保护传承,更要诠释其在现代生活生产中的审美适应。因此,水族马尾绣的传承研究是现代社会文化发展的需要。本文对水族马尾绣的研究分为七个部分。第一部分,绪论对本文的研究背景和意义进行细致的论述。指出本课题的研究目标在于,运用田野调查和文献资料二重论证法,解读图案传承文化,将隐藏在马尾绣背后的“意义之网”剥丝抽茧。接下来对马尾绣的研究现状进行了详细的归纳总结,最后对本文的研究方法和创新点进行了阐述。第二部分,通过相关文献资料的梳理,简述水族的分布与识别,诠释其族源、历史故事、神话传说,为水族马尾绣的研究提供基础的族群背景。第三部分,论述水族马尾绣的本源文化特征,马尾绣因水族的生存环境而演变,充分反映了水族社会的礼俗、信仰,通过其功能的解读,反应水族社会的文化内涵。第四部分,阐释水族马尾绣的纹饰象征含义,以及其艺术与工艺特征。水族马尾绣的纹饰图案不仅承载了水族文化的象征,同时还存在涵化的样式流变。马尾绣作为水族女性普遍掌握的技艺形式,随时空变化,马尾绣工艺亦发生变迁。第五部分,论证不同场域下的马尾绣存在,原生场域促生“本真”产业雏形,非物质文化遗产场域“隐形”推动传承与保护,产业化场域“显性”助推产业发展,透过观察记录三个场域的交叉重叠,根据多元场域下地方性知识促发“习惯”变迁,探析马尾绣社会功能的变迁。第六部分,量化分析马尾绣互联网活跃度,对大数据中的马尾绣关注度及其成因进行分析,进而提出可持续性发展的对应策略,为水族马尾绣的活化找出方法和路径。最后,对本文分析进行总结,马尾绣意义之网得以破译分析。
吴东宇[8]（2020）在《基于工业物联网技术的产品全生命周期管理系统》文中提出近几年来,随着经济和技术的发展,生产制造业的规模逐年加大,对工业物联网（IIo T）技术和产品全生命周期管理（PLM）系统的需求也在不断增加。工业物联网为所有生产线设备或产品的联网提供了可能,PLM系统在管理这些设备或产品的同时也增加了各个生产环节的关联性。然而目前的工业物联网技术和PLM系统发展仍然不太成熟,缺少系统性的解决方案,为了解决该问题,本文设计并实现了一套基于工业物联网技术的PLM系统,实现了集监控生产、销售、售后为一体的管理系统。本文工作内容和创新点如下:（1）设计并实现了一套软硬件解决方案。硬件系统分为两部分,分别是生产线设备物联网和产品物联网。软件系统分为物联网平台、后端服务器和前端服务器三部分。后端服务器基于Spring Boot框架和Spring Cloud Alibaba框架实现了分层设计和微服务架构设计,提高了后端服务器的可用性、扩展性和鲁棒性。前端服务器基于Vue.js框架实现,实现了动态侧边栏功能,提升了用户体验。（2）设计并实现了关联产品推荐功能。针对I＿Apriori算法的缺点,提出了一种改进的Apriori算法。该算法采用改进的键值对结构,将事务中的项目信息保存在数据的每一位上,从而实现了算法效率的提升,经测试本文改进的Apriori算法比Apriori和I＿Apriori算法有更好的表现。（3）设计并实现了基于遗传算法的生产车间任务智能调度功能。针对现有任务调度算法中存在的问题,使用了一种改进的遗传算法。该算法在使用“多条染色体编码”的同时,使用了自适应函数来动态改变交叉概率和变异概率,从而提高了收敛速度,也避免了陷入局部最优的问题。经测试本文改进的遗传算法具有较好的表现。
陈乙麟[9]（2020）在《场景文字识别系统的设计与实现》文中进行了进一步梳理这几年伴随深度学习和卷积神经网络的出现使得图像处理技术发展取得了质的飞跃,越来越多传统方法被基于深度学习的方法所替代,文字识别的方法就是其中之一。而针对自然场景的文字识别常常聚焦于特定领域,如车牌、街景等,自然场景的文本识别仍有许多应用性问题没有很好的解决方案。在真实文本场景中,中文字符的检测和识别性能常常受到背景光线、角度、数据集差异等影响,效果差强人意。本课题通过分析研究国内外文字识别技术研究现状和文字识别系统的弊端,在此基础上提出了一套基于深度学习技术的场景文字识别通用框架可提供自然场景下图片识别功能,并且为了解决常见OCR系统对卡证场景识别的缺失、每种识别系统只能识别单一种类证件等问题,在原有OCR技术的基础上,整合了通用证件的识别功能,包含身份证、银行卡、营业执照、和驾驶证,实现了多功能的场景文字识别系统。并提供开放API供功能扩展,文章最后以营业执照识别进行功能扩展,联通天眼查API提供扩展的企业信息核验功能,进行了开放能力的实现与验证。针对场景文字识别系统的设计与实现,本论文主要内容包括以下四个方面:1.提出了场景文字数据集的合成方法:通过对真实自然场景中的文档图像进行背景分析和要素提取,对背景纹理和光照角度等图像影响因素进行了模拟实现,合成了中文覆盖率高达99.7%的场景文字字符库,从而增加了整个检测识别流程中各个算法的泛化效果。2.提出了 IBN-CRNN的场景识别方法:改进目前先进的端到端可训练的不定长文字识别方法CRNN,引入IBN-Net结构有助于在不增加计算量的情况下,提升模型的准确性和泛化性,结合合成数据集,可以有效地在干扰背景中对图像文字进行准确识别。3.提出了基于VGG+CTPN+IBN-CRNN的场景文字检测与识别通用框架:利用CTPN适合检测水平文字的特性,引入了 VGG16算法对图像进行文本倾斜角度分类,实现图像矫正;结合合成的数据集与公开数据集丰富了检测任务、识别任务的数据训练样本。在提出的IBN-CRNN场景识别模型上利用上述扩充的样本数据进行训练,增强了 IBN-CRNN算法的泛化性和整个通用框架对中文场景的鲁棒性。4.设计并实现了场景文字识别系统:该系统基于场景文字检测与识别通用框架实现能力封装从而提供自然场景下高准确率的通用文字识别服务,系统还整合了常见的卡证图像识别功能,包括身份证、银行卡、营业执照、和驾驶证。该系统提供友好的编程接口可针对特定应用场景方便地扩展新的功能,还实现对营业执照结合天眼查API完成企业信息核验功能。系统提供交互友好的响应式Web界面供不同终端访问,支持图像上传和图像地址链接两种图像录入方式,还支持识别内容的一键复制与编辑。系统可在内网环境中部署以保证数据的安全。
陈艳[10]（2020）在《我国省级档案数据治理体系框架构建研究 ——基于浙江省实践的研究》文中进行了进一步梳理“治理”这一活跃在公共管理领域的学术术语在“国家治理”实践深入推进的背景之下又化身为热词活跃在档案学研究领域,档案治理、数据治理、档案数据治理等概念成为档案学学科新的研究理论范畴和实践前沿工作新词。本文选取浙江省为研究案例,分析和总结浙江省档案数据治理工作的体系构架,并试图构建档案数据治理体系的一般模型,以期在理论上,完善我国档案数据治理理论研究;在实践上,为我国的档案数据治理工作的持续深入发展提供经验参考。全文共分为以下三大部分:第一大部分为本文的理论基础篇,首先分析了档案数据治理兴起的背景,主要背景原因包括大数据时代、开放数据趋势和档案“单套制”转变等:其次介绍了本文的研究意义、研究内容、研究方法、研究创新点与不足;再次是文献综述,通过对国内外文献的梳理与分析,明确了现今有关档案数据治理的理论研究进度,确定了本文的研究问题;最后梳理了治理理论与数据治理理论,并给出了本文相关概念的定义,包括档案数据、档案治理、档案数据管理、档案数据治理等。第二大部分为实践经验篇,从治理内容、治理主体、治理过程和治理成果四个层面分析了浙江省档案数据治理实践工作。浙江省档案数据治理体系形成了以浙江省档案局为中心,多元主体共同参与的治理主体结构,通过政策支持、技术支撑、活动保障等举措推进治理过程,采取的治理举措涉及到数据管理、安全治理和服务治理三个方面,最终形成了智慧档案、平安档案、最多跑一次、一网查档,百馆联动、异地查档,跨馆服务等治理成果。第三大部分为理论贡献篇,提出了由生态层、基础层、数据层和应用层四个层级以及组织结构、政策措施、质监管理、数字化、数据化、数据汇集、数据过滤、数据资产、共享平台、开放平台和媒体平台十一个维度所构成档案数据治理体系架构的一般模型。
二、浪潮 IA架构64位服务器通过鉴定（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、浪潮 IA架构64位服务器通过鉴定（论文提纲范文）
（1）基于机器视觉与Retinex图像增强的脐橙检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 创新点 |
| 1.5 研究技术路线 |
| 1.6 论文章节安排 |
| 第二章 相关理论及样本库的构建 |
| 2.1 机器视觉检测模型 |
| 2.1.1 深度学习概述 |
| 2.1.2 基于深度学习的机器视觉模型 |
| 2.1.3 主要评定指标 |
| 2.2 Retinex增强算法 |
| 2.3 脐橙图像样本库的构建 |
| 2.3.1 数据来源 |
| 2.3.2 样本库的构建 |
| 2.4 实验环境 |
| 2.5 本章小结 |
| 第三章 基于不同观测条件的脐橙检测 |
| 3.1 YOLOv3 的脐橙检测结果与分析 |
| 3.1.1 10:00-11:00 时段 |
| 3.1.2 12:00-13:00 时段 |
| 3.1.3 14:00-15:00 时段 |
| 3.1.4 16:00-17:00 时段 |
| 3.2 YOLOv4 的脐橙检测结果与分析 |
| 3.2.1 10:00-11:00 时段 |
| 3.2.2 12:00-13:00 时段 |
| 3.2.3 14:00-15:00 时段 |
| 3.2.4 16:00-17:00 时段 |
| 3.3 YOLOv5 的脐橙检测结果与分析 |
| 3.3.1 10:00-11:00 时段 |
| 3.3.2 12:00-13:00 时段 |
| 3.3.3 14:00-15:00 时段 |
| 3.3.4 16:00-17:00 时段 |
| 3.4 本章小结 |
| 第四章 基于综合样本库的脐橙检测 |
| 4.1 YOLOv3 模型的脐橙检测结果与分析 |
| 4.2 YOLOv4 模型的脐橙检测结果与分析 |
| 4.3 YOLOv5 模型的脐橙检测结果与分析 |
| 4.4 本章小结 |
| 第五章 问题分析与探讨 |
| 5.1 技术选型分析 |
| 5.2 阴影遮盖敏感性分析 |
| 5.3 叶片遮挡敏感性分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）基于时域分析的视频动作定位和识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究领域现状 |
| 1.2.1 传统镜头边界检测 |
| 1.2.2 深度学习兴起 |
| 1.2.3 短视频动作识别 |
| 1.2.4 长视频时域动作定位 |
| 1.2.5 定位模型中基础网络泛化性 |
| 1.3 论文内容与结构 |
| 第2章 多粒度时域动作提名模型 |
| 2.1 背景介绍 |
| 2.2 相关工作 |
| 2.3 由粗到细多粒度时域动作提名模型(CFTP) |
| 2.3.1 粗粒度提名网络(CPN) |
| 2.3.2 时域卷积网络(CAN) |
| 2.3.3 提名重排序网络(PRN) |
| 2.4 实验评估 |
| 2.4.1 实验数据集 |
| 2.4.2 实验具体细节 |
| 2.4.3 比较方法 |
| 2.4.4 实验性能比较 |
| 2.4.5 CFTP在时域动作定位中的应用 |
| 2.4.6 CFTP在视频描述中的应用 |
| 2.5 讨论与总结 |
| 第3章 时域动作定位: 高斯时域感知网络 |
| 3.1 背景介绍 |
| 3.2 相关工作 |
| 3.3 高斯时域感知网络(GTAN) |
| 3.3.1 基础特征网络 |
| 3.3.2 高斯核学习 |
| 3.3.3 高斯核分组合并 |
| 3.3.4 高斯池化 |
| 3.3.5 网络优化 |
| 3.3.6 测试与后处理 |
| 3.4 实验评估 |
| 3.4.1 实验数据集 |
| 3.4.2 实验具体细节 |
| 3.4.3 对时域动作提名验证 |
| 3.4.4 对高斯核和分组合并算法验证 |
| 3.4.5 对锚点层数目验证 |
| 3.4.6 与目前最新方案比较 |
| 3.5 讨论与总结 |
| 第4章 动作定位类别扩展: 动作传信网络 |
| 4.1 背景介绍 |
| 4.2 相关工作 |
| 4.3 动作传信网络(AherNet) |
| 4.3.1 基础网络 |
| 4.3.2 识别和定位间的权重迁移 |
| 4.3.3 动作片刻及合成背景上的动作定位 |
| 4.3.4 网络优化 |
| 4.3.5 测试与后处理 |
| 4.4 实验评估 |
| 4.4.1 实验数据集 |
| 4.4.2 实验具体细节 |
| 4.4.3 权重迁移函数设计 |
| 4.4.4 动作片刻及合成背景定位探究 |
| 4.4.5 模型性能容量探究 |
| 4.4.6 大规模时域动作定位模型 |
| 4.5 讨论与总结 |
| 第5章 基础网络优化: 双涡轮网络 |
| 5.1 背景介绍 |
| 5.2 相关工作 |
| 5.3 双涡轮网络(TTN) |
| 5.3.1 基础网络 |
| 5.3.2 文本/查询监督和分类 |
| 5.3.3 文本到查询涡轮 |
| 5.3.4 查询到文本涡轮 |
| 5.3.5 网络优化 |
| 5.4 实验评估 |
| 5.4.1 实验数据集 |
| 5.4.2 实验具体细节 |
| 5.4.3 对文本监督验证 |
| 5.4.4 对双涡轮设计验证 |
| 5.4.5 对网络优化分析 |
| 5.4.6 与目前最新方案比较 |
| 5.5 讨论与总结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究与应用展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）基于知识图谱的课程学习系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识图谱的研究现状 |
| 1.2.2 在线学习系统的研究现状 |
| 1.3 本文研究内容 |
| 1.4 研究方法 |
| 1.5 论文主要贡献 |
| 1.6 论文组织结构 |
| 第二章 相关理论与技术基础 |
| 2.1 《大学计算机基础》课程性质 |
| 2.1.1 课程知识 |
| 2.1.2 课程知识结构 |
| 2.2 知识图谱 |
| 2.2.1 知识图谱定义 |
| 2.2.2 知识图谱的类型 |
| 2.2.3 知识图谱构建技术 |
| 2.2.4 知识图谱应用 |
| 2.3 知识处理 |
| 2.3.1 知识表示方法 |
| 2.3.2 知识抽取 |
| 2.3.3 知识融合 |
| 2.3.4 知识加工 |
| 2.4 本体 |
| 2.4.1 本体理论 |
| 2.4.2 本体描述语言 |
| 2.4.3 本体构建方法 |
| 2.4.4 本体构建工具 |
| 2.4.5 本体与知识图谱 |
| 2.5 本章小结 |
| 第三章 课程知识图谱的构建研究 |
| 3.1 课程知识图谱构建流程 |
| 3.2 数据来源与预处理 |
| 3.2.1 数据采集 |
| 3.2.2 分词 |
| 3.3 课程概念词的抽取 |
| 3.3.1 基于Text Rank算法概念词的抽取 |
| 3.3.2 基于TF-IDF算法概念词的抽取 |
| 3.3.3 课程领域专业术语的确定 |
| 3.4 课程概念词之间关系抽取 |
| 3.4.1 基于规则的关系抽取 |
| 3.4.2 基于依存句法结构分析的关系抽取 |
| 3.5 课程知识图谱的构建 |
| 3.5.1 本体模型构建 |
| 3.5.2 课程本体到Neo4j图数据库的存储 |
| 3.5.3 课程知识图谱可视化 |
| 3.6 本章小结 |
| 第四章 知识图谱在线学习系统的设计 |
| 4.1 在线学习系统需求分析 |
| 4.2 在线学习系统的设计原则 |
| 4.3 系统功能设计 |
| 4.4 在线学习系统的框架图 |
| 4.5 数据库的设计 |
| 4.6 本章小结 |
| 第五章 知识图谱在线学习系统的实现 |
| 5.1 系统开发环境 |
| 5.2 功能模块实现 |
| 5.2.1 用户注册、登录模块 |
| 5.2.2 管理员登录模块 |
| 5.2.3 教师登录模块 |
| 5.2.4 学生登录模块 |
| 5.3 系统测试 |
| 5.4 评价与分析 |
| 5.4.1 界面满意度分析 |
| 5.4.2 系统资源分析 |
| 5.4.3 学习态度分析 |
| 5.4.4 学习效果分析 |
| 5.5 本章小结 |
| 第六章 研究总结和展望 |
| 6.1 研究总结 |
| 6.2 研究不足 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 A 知识图谱在线学习系统的使用效果调查问卷 |
| 攻读学位期间发表的学术论文和研究成果 |
| 致谢 |
（4）工业互联网应用综述（论文提纲范文）
| 0引言 |
| 1工业互联网体系架构 |
| 2工业互联网技术体系 |
| 2.1网络体系 |
| 2.2标识解析体系 |
| 2.2.1标识解析架构组成 |
| 2.2.2标识解析关键技术 |
| 2.2.3国内外标识解析体系 |
| 2.2.3.1基于DNS扩展的OID体系 |
| 2.2.3.2基于革新路径的Handle体系 |
| 2.3平台体系 |
| 2.3.1边缘层 |
| 2.3.2平台层 |
| 2.3.3应用层 |
| 2.4安全体系 |
| 3工业互联网的应用 |
| 3.1催生制造业新模式新业态 |
| 3.1.1智能化生产 |
| 3.1.2网络化协作 |
| 3.1.3规模化定制 |
| 3.1.4服务化延伸 |
| 3.2包装印刷行业的应用实例 |
| 3.2.1设备全生命周期管理 |
| 3.2.2 商品防伪与溯源 |
| 4结语 |
（5）基于深度学习的绿城装饰工程智能监理系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 监理的数字化与智能化 |
| 1.2.2 深度学习与计算机视觉 |
| 1.3 本文主要研究内容 |
| 1.4 论文组织结构 |
| 2 基于前后端分离的微服务架构设计 |
| 2.1 问题的提出 |
| 2.2 微服务架构 |
| 2.2.1 架构的演变 |
| 2.2.2 微服务 |
| 2.3 前后端分离 |
| 2.3.1 前端框架Vue.js |
| 2.3.2 后端框架Spring Boot |
| 2.4 基于前后端分离的微服务设计 |
| 2.4.1 前端详细设计 |
| 2.4.2 后端详细设计 |
| 2.4.3 智能检测辅助模块设计 |
| 2.5 系统架构实现 |
| 2.6 本章小结 |
| 3 基于卷积神经网络的监理目标检测算法研究 |
| 3.1 问题的提出 |
| 3.2 卷积神经网络 |
| 3.2.1 卷积层 |
| 3.2.2 池化层 |
| 3.2.3 激活函数 |
| 3.2.4 全连接层 |
| 3.3 目标检测 |
| 3.3.1 经典SSD |
| 3.3.2 MP-SSD |
| 3.4 实验及结果分析 |
| 3.4.1 数据集制作 |
| 3.4.2 评价指标 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 4 非结构化数据存储与查询研究 |
| 4.1 问题的提出 |
| 4.2 存储优化 |
| 4.2.1 系统数据类型分析 |
| 4.2.2 文件存储系统 |
| 4.2.3 Hbase存储设计与实现 |
| 4.3 查询优化 |
| 4.3.1 低查询性能分析 |
| 4.3.2 查询优化方案 |
| 4.4 ES+Hbase测试 |
| 4.5 本章小结 |
| 5 绿城装饰智能监理系统的构建与验证 |
| 5.1 需求分析 |
| 5.1.1 功能性需求分析 |
| 5.1.2 非功能性需求分析 |
| 5.2 系统设计 |
| 5.2.1 总体设计 |
| 5.2.2 数据库设计 |
| 5.3 系统实现 |
| 5.3.1 移动端实现 |
| 5.3.2 浏览器端实现 |
| 5.4 系统验证 |
| 5.4.1 智能检测辅助模块验证 |
| 5.4.2 系统功能性测试 |
| 5.4.3 系统非功能性测试 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）数据驱动的移动机器人鲁棒高效定位（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 前端特征提取与匹配 |
| 1.2.2 后端定位模式 |
| 1.2.3 学习模式下的机器人定位 |
| 1.3 本文研究内容与贡献 |
| 1.4 本文数据来源 |
| 1.4.1 实物平台采集数据 |
| 1.4.2 公开数据集 |
| 1.5 本文组织结构与关联 |
| 第2章 三维激光地点重识别与全局定位 |
| 2.1 引言 |
| 2.2 全局定位系统概述 |
| 2.3 基于孪生网络的地点重识别 |
| 2.3.1 三维到二维:朝向不变性特征 |
| 2.3.2 二维到一维:孪生神经网络 |
| 2.4 蒙特卡洛全局定位 |
| 2.4.1 全局特征地图构建 |
| 2.4.2 基于GMM观测的蒙特卡洛定位 |
| 2.4.3 能观性证明与讨论 |
| 2.5 实验结果 |
| 2.5.1 样本生成与网络训练 |
| 2.5.2 地点重识别方法对比 |
| 2.5.3 定位概率对比 |
| 2.5.4 全局定位评估 |
| 2.5.5 计算效率评估 |
| 2.5.6 基于闭环检测的大范围点云地图构建 |
| 2.6 本章小结 |
| 第3章 三维激光定位失败的检测 |
| 3.1 引言 |
| 3.2 定位失败检测方法 |
| 3.2.1 点云匹配的特征提取 |
| 3.2.2 逻辑回归模型 |
| 3.3 实验结果 |
| 3.3.1 定位失败界限 |
| 3.3.2 模型评估 |
| 3.3.3 长期定位下的拓展研究 |
| 3.4 本章小结 |
| 第4章 基于GAN的异构雷达定位 |
| 4.1 引言 |
| 4.2 异构雷达定位方法 |
| 4.3 毫米波雷达风格迁移 |
| 4.4 蒙特卡洛定位 |
| 4.5 实验结果 |
| 4.5.1 风格迁移比较 |
| 4.5.2 位姿跟踪评估 |
| 4.6 本章小结 |
| 第5章 端到端的可微分异构雷达定位 |
| 5.1 引言 |
| 5.2 可微分观测模型 |
| 5.2.1 异构雷达特征提取 |
| 5.2.2 相似度穷举与位姿回归 |
| 5.3 可微分卡尔曼滤波 |
| 5.4 实验结果 |
| 5.4.1 网络结构与训练策略 |
| 5.4.2 消融实验 |
| 5.4.3 位姿跟踪结果 |
| 5.4.4 动态环境的适用性 |
| 5.4.5 效率评估 |
| 5.4.6 大偏移位姿的估计 |
| 5.5 本章小结 |
| 第6章 三维激光点云地图压缩 |
| 6.1 引言 |
| 6.2 知识蒸馏的点云地图压缩方法 |
| 6.3 基于整数线性规划的地图压缩 |
| 6.3.1 地图点权重估计 |
| 6.3.2 整数线性规划求解 |
| 6.3.3 大规模规划的近似求解 |
| 6.4 基于随机森林的地图压缩 |
| 6.4.1 点云特征提取 |
| 6.4.2 随机森林模型 |
| 6.5 实验结果 |
| 6.5.1 地图构建与参数选择 |
| 6.5.2 近似求解结果 |
| 6.5.3 两种压缩方法比较 |
| 6.5.4 激光雷达位姿跟踪 |
| 6.5.5 毫米波雷达位姿跟踪 |
| 6.5.6 效率评估 |
| 6.5.7 随机森林模型的泛化 |
| 6.6 本章小结 |
| 第7章 港口AGV无轨导航系统 |
| 7.1 项目背景和意义 |
| 7.2 系统设计 |
| 7.2.1 硬件系统 |
| 7.2.2 软件与算法 |
| 7.3 系统验证 |
| 第8章 总结与展望 |
| 8.1 本文总结 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的学术成果 |
（7）民族艺术、集体记忆、符号象征 ——贵州水族马尾绣研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一章 水民分布与识别 |
| 第一节 睢、水家、水族 |
| 一、人类学分析 |
| 二、历史沿革 |
| 第二节 族源传说考证 |
| 一、百越后裔说 |
| 二、殷人后裔说 |
| 三、龙番后裔说 |
| 四、东谢蛮后裔说 |
| 五、土着民族说 |
| 六、源于古治水部族说 |
| 七、江南迁来说 |
| 八、两广迁来说 |
| 九、牙娲造人的族源神话 |
| 十、洪荒遗民再造人烟的族源神话 |
| 第三节 鱼图腾崇拜及鱼的传人信仰 |
| 一、水族祖先影子说 |
| 二、水族后裔变体说 |
| 第二章 马尾绣本元文化特征 |
| 第一节 马尾绣诠释水族民俗 |
| 一、母性内涵与马尾绣背带 |
| 二、“民族记忆”下的图腾崇拜 |
| 三、马尾绣的象征和禁忌 |
| 第二节 马尾绣纹饰的文化内涵 |
| 一、马尾绣纹饰的符号所指 |
| 二、纹饰构成的指向来源 |
| 第三节 马尾绣与民间信仰 |
| 一、源与自然信仰的纹饰产生 |
| 二、寄情于民间传说的马尾绣 |
| 第三章 水族马尾绣艺术与工艺特征 |
| 第一节 水族马尾绣的分布、种类 |
| 一、水族马尾绣的分布 |
| 二、水族马尾绣的种类 |
| 第二节 水族马尾绣的制作技艺 |
| 一、马尾绣制作 |
| 二、铜片的打造 |
| 三、水族马尾绣的搭配绣法 |
| 第三节 水族马尾绣的审美意味 |
| 一、色彩衬托水族马尾绣情感内涵 |
| 二、水族马尾绣的视觉符号象征 |
| 第四节 水族马尾绣的功能变迁 |
| 一、水族马尾绣传统艺术装饰功能及象征意义 |
| 二、马尾绣在当代社会中的功能转变 |
| 第四章 场域聚集下的马尾绣 |
| 第一节 原生族群场域下的马尾绣 |
| 一、族群识别与身份认同 |
| 二、礼俗文化与礼物经济 |
| 三、社会角色与家庭地位 |
| 第二节 非物质文化遗产保护场域下的马尾绣 |
| 一、非遗传承人手中的马尾绣 |
| 二、教育平台助力下的马尾绣 |
| 第三节 产业化场域下的马尾绣 |
| 一、马尾绣产业化构建模式 |
| 二、马尾绣产业化SWOT分析 |
| 三、显性产业化,马尾绣文化产业 |
| 四、隐形产业化,马尾绣旅游产业 |
| 第五章 互联网时代下马尾绣的发展路径 |
| 第一节 “互联网+”马尾绣发展模式 |
| 一、“互联网+”少数民族村落旅游——马尾绣的深度体验 |
| 二、“互联网+”马尾绣拓宽旅游营销模式探索 |
| 三、借助互联网咨询进行概念推广与文化传播 |
| 四、购物平台推广与线下品牌传播 |
| 五、与知名IP合作,进行概念文化传播 |
| 第二节 “互联网+”马尾绣发展的优劣势 |
| 一、马尾绣发展的优化路径 |
| 二、“互联网+”马尾绣发展的机遇与优势 |
| 三、“互联网+”马尾绣发展的瓶颈与劣势 |
| 第三节 “互联网+”马尾绣的文化圈层对策 |
| 一、马尾绣的文化圈层类型 |
| 二、明确互联网文化圈层,对症文化受众 |
| 三、对应互联网文化圈层,构建发展模式 |
| 结语 |
| 参考文献 |
| 附录 |
| 作者在攻读博士学位期间公开发表的论文 |
| 作者在攻读博士学位期间承担的项目 |
| 致谢 |
（8）基于工业物联网技术的产品全生命周期管理系统（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 工业物联网 |
| 1.1.2 产品全生命周期管理系统 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文的文章结构 |
| 1.5 本章小结 |
| 2 系统总体方案与实现技术 |
| 2.1 场景分析 |
| 2.2 业务需求分析 |
| 2.2.1 用户/角色/权限信息管理需求 |
| 2.2.2 基础信息管理需求 |
| 2.2.3 业务流程管理需求 |
| 2.2.4 生产进度跟踪需求 |
| 2.2.5 物流跟踪需求 |
| 2.2.6 产品售后跟踪需求 |
| 2.2.7 业务统计需求 |
| 2.2.8 多用户的权限分配需求 |
| 2.2.9 关联产品推荐需求 |
| 2.2.10 生产车间任务智能调度需求 |
| 2.3 系统整体架构 |
| 2.4 硬件系统架构 |
| 2.4.1 生产线设备物联网 |
| 2.4.2 产品物联网 |
| 2.5 软件系统架构 |
| 2.5.1 物联网平台设计方案 |
| 2.5.2 后端服务器设计方案 |
| 2.5.3 前端服务器设计方案 |
| 2.6 本章小结 |
| 3 硬件系统设计与实现 |
| 3.1 生产线设备物联网 |
| 3.2 产品物联网 |
| 3.3 本章小结 |
| 4 物联网平台实现 |
| 4.1 物联网平台关键技术 |
| 4.2 物联网平台实现 |
| 4.2.1 物联网设备与物联网平台连接 |
| 4.2.2 后端服务器与物联网平台连接 |
| 4.3 本章小结 |
| 5 后端服务器设计与实现 |
| 5.1 后端服务器关键技术 |
| 5.1.1 Apache Maven |
| 5.1.2 Spring Boot |
| 5.1.3 Spring Data JPA |
| 5.1.4 MySQL |
| 5.1.5 Redis |
| 5.1.6 fastjson |
| 5.1.7 Spring Security |
| 5.1.8 Spring Cloud Alibaba |
| 5.1.9 Spring Cloud Open Feign |
| 5.1.10 Seata |
| 5.2 后端服务器设计与实现 |
| 5.2.1 后端服务器的分层设计与实现 |
| 5.2.2 MySQL数据库设计与实现 |
| 5.2.3 持久化实体类设计与实现 |
| 5.2.4 Dao层设计与实现 |
| 5.2.5 Service层设计与实现 |
| 5.2.6 Controller层设计与实现 |
| 5.2.7 RESTful风格API设计与实现 |
| 5.2.8 RBAC模型设计与实现 |
| 5.2.9 身份认证、访问控制设计与实现 |
| 5.2.10 Sentinel设计与实现 |
| 5.3 后端服务器的微服务设计与实现 |
| 5.3.1 Nacos的设计与实现 |
| 5.3.2 Spring Cloud Open Feign的设计与实现 |
| 5.3.3 Seata的设计与实现 |
| 5.4 关联产品推荐设计与实现 |
| 5.4.1 关联算法现状现状 |
| 5.4.2 改进的Apriori算法 |
| 5.4.3 实例测试 |
| 5.5 基于遗传算法的生产车间任务智能调度 |
| 5.5.1 研究现状 |
| 5.5.2 问题描述 |
| 5.5.3 改进的遗传算法 |
| 5.6 本章小结 |
| 6 前端服务器设计与实现 |
| 6.1 前端服务器关键技术 |
| 6.1.1 Html5 |
| 6.1.2 CSS |
| 6.1.3 Java Script |
| 6.1.4 Vue.js |
| 6.1.5 npm |
| 6.1.6 Vuex |
| 6.1.7 Vue Router |
| 6.1.8 Element-UI |
| 6.1.9 Axios |
| 6.1.10 Nginx |
| 6.2 前端服务器设计与实现 |
| 6.2.1 前端视图架构设计与实现 |
| 6.2.2 前端各页面设计与实现 |
| 6.2.3 路由表设计与实现 |
| 6.2.4 Vuex相关内容设计与实现 |
| 6.2.5 动态侧边栏设计与实现 |
| 6.2.6 用户登录设计与实现 |
| 6.2.7 API调用方案设计与实现 |
| 6.2.8 UI设计与实现 |
| 6.2.9 跨域资源共享方案设计与实现 |
| 6.3 本章小结 |
| 7 系统测试与数据分析 |
| 7.1 硬件系统测试与数据分析 |
| 7.1.1 生产线设备物联网测试 |
| 7.1.2 产品物联网测试 |
| 7.2 后端服务器测试与数据分析 |
| 7.2.1 压力测试的关键技术——性能测试PTS |
| 7.2.2 后端服务器压力测试设计与实现 |
| 7.2.3 压力测试结果与数据分析 |
| 7.2.4 数据比较 |
| 7.3 前端服务器测试与数据分析 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 作者简历 |
（9）场景文字识别系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 OCR概述 |
| 1.2.2 卡证识别的发展 |
| 1.3 存在的问题 |
| 1.4 本文的主要研究内容 |
| 1.5 论文组织结构 |
| 第二章 深度学习与OCR相关技术 |
| 2.1 深度学习及相关技术 |
| 2.1.1 神经网络 |
| 2.1.2 卷积神经网络 |
| 2.1.3 循环神经网络 |
| 2.2 传统OCR方法 |
| 2.3 深度学习的OCR方法 |
| 2.3.1 文字检测方法 |
| 2.3.2 文字识别方法 |
| 2.3.3 端到端的方法 |
| 2.4 相关开发框架和构建工具 |
| 2.4.1 Tensorflow |
| 2.4.2 Caffe |
| 2.4.3 TVM |
| 2.5 本章小节 |
| 第三章 场景文字图像数据集合成 |
| 3.1 问题描述 |
| 3.2 公开数据集情况 |
| 3.3 场景文字图像数据集合成 |
| 3.3.1 基础数据确认 |
| 3.3.2 收集字体文件生成映射表 |
| 3.3.3 生成图像 |
| 3.4 适当的图像增强策略 |
| 3.5 数据集验证对比 |
| 3.6 本章小结 |
| 第四章 实现基于深度学习的场景文字识别框架 |
| 4.1 文本方向检测、矫正 |
| 4.1.1 问题描述 |
| 4.1.2 基于VGG16的文本方向检测模型 |
| 4.1.3 文本方向检测模型训练 |
| 4.1.4 文本方向检测模型效果 |
| 4.2 文本定位 |
| 4.2.1 问题描述 |
| 4.2.2 基于CTPN的文本检测模型 |
| 4.2.3 文本检测模型训练 |
| 4.3 文字识别 |
| 4.3.1 问题描述 |
| 4.3.2 基于CRNN模型文字识别模型 |
| 4.3.3 基于CRNN改进的IBN-CRNN |
| 4.3.4 文字识别模型训练 |
| 4.4 检测及识别效果验证分析 |
| 4.4.1 实验细节 |
| 4.4.2 文本检测验证效果 |
| 4.4.3 文字识别验证效果 |
| 4.5 本章小节 |
| 第五章 场景文字识别系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 设计场景 |
| 5.1.2 功能需求 |
| 5.1.3 非功能性需求 |
| 5.2 概要设计 |
| 5.2.1 总体架构设计 |
| 5.2.2 基本设计概念和处理流程 |
| 5.2.3 详细设计与实现 |
| 5.5 测试 |
| 5.5.1 测试环境 |
| 5.5.2 测试方案 |
| 5.6 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取的成果 |
（10）我国省级档案数据治理体系框架构建研究 ——基于浙江省实践的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 大数据时代 |
| 1.1.2 开放数据趋势 |
| 1.1.3 “单套制”转变 |
| 1.2 研究意义 |
| 1.2.1 实践价值 |
| 1.2.2 理论价值 |
| 1.3 研究内容 |
| 1.3.1 理论基础研究 |
| 1.3.2 浙江案例分析 |
| 1.3.3 理论创新探究 |
| 1.3.4 研究总结展望 |
| 1.4 研究方法 |
| 1.4.1 文献研究法 |
| 1.4.2 网络调研法 |
| 1.4.3 案例研究法 |
| 1.4.4 实地调研法 |
| 1.5 研究创新点与不足 |
| 1.5.1 创新点 |
| 1.5.2 局限性 |
| 第2章 国内外研究综述及理论依据 |
| 2.1 研究综述 |
| 2.1.1 国内研究现状 |
| 2.1.2 国外研究现状 |
| 2.1.3 研究述评 |
| 2.2 理论依据 |
| 2.2.1 治理理论概念梳理 |
| 2.2.2 数据治理理论概念梳理 |
| 2.3 概念定义 |
| 2.3.1 档案数据与档案治理 |
| 2.3.2 档案数据管理与档案数据治理 |
| 2.4 本章小结 |
| 第3章 浙江省档案数据治理体系要素分析 |
| 3.1 治理内容 |
| 3.1.1 数据管理 |
| 3.1.2 安全治理 |
| 3.1.3 服务治理 |
| 3.2 治理主体 |
| 3.2.1 中心治理主体 |
| 3.2.2 多元治理主体 |
| 3.3 治理过程 |
| 3.3.1 政策支持举措 |
| 3.3.2 技术支撑举措 |
| 3.3.3 活动保障举措 |
| 3.4 治理成果 |
| 3.4.1 智慧档案 |
| 3.4.2 平安档案 |
| 3.4.3 最多跑一次 |
| 3.4.4 一网查档,百馆联动 |
| 3.4.5 异地查档,跨馆服务 |
| 3.5 本章小结 |
| 第4章 档案数据治理体系架构构建策略 |
| 4.1 生态层: 维护档案数据治理安全环境 |
| 4.1.1 档案数据治理组织结构 |
| 4.1.2 档案数据治理政策措施 |
| 4.1.3 档案数据治理质监管理 |
| 4.2 基础层: 搭建档案数据治理基础设施 |
| 4.2.1 档案数字化 |
| 4.2.2 档案数据化 |
| 4.3 数据层: 控制档案数据治理数据流向 |
| 4.3.1 档案数据汇集 |
| 4.3.2 档案数据过滤 |
| 4.3.3 档案数据资产 |
| 4.4 应用层: 打造档案数据治理服务平台 |
| 4.4.1 档案数据共享平台 |
| 4.4.2 档案数据开放平台 |
| 4.4.3 档案数据媒体平台 |
| 4.5 本章小结 |
| 第5章 结语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
四、浪潮 IA架构64位服务器通过鉴定（论文参考文献）
- [1]基于机器视觉与Retinex图像增强的脐橙检测方法研究[D]. 冀炜臻. 江西理工大学, 2021(01)
- [2]基于时域分析的视频动作定位和识别研究[D]. 龙拂尘. 中国科学技术大学, 2021(09)
- [3]基于知识图谱的课程学习系统设计与实现[D]. 家明强. 云南师范大学, 2021(09)
- [4]工业互联网应用综述[J]. 万晓霞,焦智伟,刘名轩,刘段. 数字印刷, 2021(02)
- [5]基于深度学习的绿城装饰工程智能监理系统的设计与实现[D]. 谢宣. 浙江理工大学, 2021
- [6]数据驱动的移动机器人鲁棒高效定位[D]. 尹欢. 浙江大学, 2021(01)
- [7]民族艺术、集体记忆、符号象征 ——贵州水族马尾绣研究[D]. 廖璇. 西南民族大学, 2020(12)
- [8]基于工业物联网技术的产品全生命周期管理系统[D]. 吴东宇. 浙江大学, 2020(02)
- [9]场景文字识别系统的设计与实现[D]. 陈乙麟. 北京邮电大学, 2020(05)
- [10]我国省级档案数据治理体系框架构建研究 ——基于浙江省实践的研究[D]. 陈艳. 山东大学, 2020(11)